Modeling pause for the synthesis of Kazakh speech

2018

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1145/3234698.3234699
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

One of the most important stages in the development of intonational text-to-speech systems is prosodic processing. The correct pause placement and pause duration play a large role for the perception of speech by human hearing. In this article, the authors propose a new way of modeling pause for the Kazakh language using a vector representation of words. Our group presents a model that uses the minimum amount of data obtained with the help of manual tagging. We believe that such an approach will be of interest for scientific groups working on the development of speech synthesis systems for poorly studied languages.